MetaPASS 2024: анализ вероятных спектров биологической активности лекарственно-подобных органических соединений с учетом их биотрансформации

##plugins.themes.bootstrap3.article.sidebar##

pdf
Опубликован: Jun 20, 2025
DOI: https://doi.org/10.18097/BMCRM00243
Ключевые слова:
лекарственно-подобные органические соединения; профили биологической активности; метаболизм ксенобиотиков; цветовая карта

##plugins.themes.bootstrap3.article.main##

А.В. Рудик
Научно-исследовательский институт биомедицинской химии им. В. Н. Ореховича, 119121, Москва, ул. Погодинская, 10
П.В. Погодин
Научно-исследовательский институт биомедицинской химии им. В. Н. Ореховича, 119121, Москва, ул. Погодинская, 10
А.А. Лагунин
Российский национальный исследовательский медицинский университет им. Н. И. Пирогова, 117997, ул. Островитянова, 1, Москва
Д.А. Филимонов
Научно-исследовательский институт биомедицинской химии им. В. Н. Ореховича, 119121, Москва, ул. Погодинская, 10
В.В. Поройков
Научно-исследовательский институт биомедицинской химии им. В. Н. Ореховича, 119121, Москва, ул. Погодинская, 10

Аннотация

В организме человека фармакологические вещества подвергаются биотрансформации, поэтому при исследованиях и разработке лекарств необходимо учитывать спектры биологической активности их метаболитов. Ранее нами было создано веб-приложение MetaPASS для анализа вероятных спектров биологической активности лекарственно-подобных органических соединений с учетом их метаболизма. В данной работе приведено описание новой версии MetaPASS 2024 (https://www.way2drug.com/metapass), в которой увеличено количество известных схем метаболизма, добавлены процедуры поиска по структурному сходству на основе дескрипторов MNA и QNA и поиска соединений с наибольшей оценкой вероятности проявления целевой биологической активности, а также реализовано представление спектра биологической активности в виде цветовых карт.

##plugins.themes.bootstrap3.article.details##

Как цитировать
Рудик A., Погодин P., Лагунин A., Филимонов D., & Поройков V. (2025). MetaPASS 2024: анализ вероятных спектров биологической активности лекарственно-подобных органических соединений с учетом их биотрансформации. Biomedical Chemistry: Research and Methods, 8(2), e00243. https://doi.org/10.18097/BMCRM00243
Выпуск
Том 8 № 2 (2025)
Раздел
ПРОТОКОЛЫ ЭКСПЕРИМЕНТОВ, ПОЛЕЗНЫЕ МОДЕЛИ, ПРОГРАММЫ И СЕРВИСЫ

Библиографические ссылки

  1. DiMasi, J.A., Grabowski, H.G., Hansen, R.W. (2016) Innovation in thepharmaceutical industry: New estimates of R&D costs. J. Health Econ. 47,20–33. DOI
  2. Martinez-Mayorga, K., Madariaga-Mazon, A., Medina-Franco, J.L.,Maggiora, G. (2020) The impact of chemoinformatics on drug discovery in thepharmaceutical industry. Expert Opin. Drug Discov. 15(3), 293–306. DOI
  3. Muratov, E.N., Bajorath, J., Sheridan, R.P., Tetko, I. V, Filimonov, D.,Poroikov, V., Oprea, T.I., Baskin, I.I., Varnek, A., Roitberg, A., Isayev, O.,Curtarolo, S., Fourches, D., Cohen, Y., Aspuru-Guzik, A., Winkler, D.A.,Agrafiotis, D., Cherkasov, A., Tropsha, A. (2020) QSAR without borders. Chem.Soc. Rev. 49(11), 3525–3564. DOI
  4. Pushpakom, S., Iorio, F, Eyer,s P.A., Escott, K.J., Hopper, S., Wells, A., Doig,A., Guilliams, T., Latimer, J., McNamee, C., Norris, A., Sanseau, P., Cavalla,D., Pirmohamed, M. (2019) Drug repurposing: progress, challenges andrecommendations. Nat. Rev. Drug Discov. 18, 41–58. DOI
  5. Eno, M.R., Cameron, M.D. (2015) Gauging reactive metabolites in druginducedtoxicity. Curr. Med. Chem. 22 (4), 465–489. DOI
  6. Rudik, A.V., Dmitriev, A.V., Lagunin, A.A., Filimonov, D.A., Poroikov, V.V.(2021) MetaPASS: A Web Application for Analyzing the Biological ActivitySpectrum of Organic Compounds Taking into Account their Biotransformation.Mol. Inform. 40(4), e2000231.
  7. Rudik, A.V., Dmitriev, A.V., Lagunin, A.A., Filimonov, D.A., Poroikov, V.V.(2023) MetaTox 2.0: Estimating the Biological Activity Spectra of Drug-likeCompounds Taking into Account Probable Biotransformations. ACS Omega.8(48), 45774-45778. DOI
  8. Filimonov, D.A., Druzhilovskiy, D.S., Lagunin, A.A., Gloriozova, T.A.,Rudik, A.V, Dmitriev A.V, Pogodin P.V., Poroikov, V.V. (2018) ComputeraidedPrediction of Biological Activity Spectra for Chemical Compounds:Opportunities and Limitations, Biomedical Chemistry: Research and Methods,1(1), e00004. DOI
  9. MarvinJS-demo. Chemaxon. Retrieved May 17, 2025, from: https://marvinjsdemo.chemaxon.com/latest/
  10. Filimonov, D.A., Zakharov, A.V., Lagunin, A.A., Poroikov, V.V. (2009)QNA-based ‘Star Track’ QSAR approach. SAR QSAR Environ Res. 20(7-8),679-709. DOI
  11. Mendez, D., Gaulton, A., Bento, A.P., Chambers, J., De Veij, M., Félix, E.,Magariños, M.P., Mosquera, J.F., Mutowo, P., Nowotka, M., Gordillo-Marañón,M., Hunter, F., Junco, L., Mugumbate, G., Rodriguez-Lopez, M., Atkinson, F.,Bosc, N., Radoux, C.J., Segura-Cabrera, A., Hersey, A., Leach, A.R. (2018)ChEMBL : towards direct deposition of bioassay data. Nucleic Acids Res.,47(1), 930-940. DOI
  12. Wishart, D.S., Feunang, Y.D., Guo, A.C., Lo E.J., Marcu, A., Grant, J.R.,Sajed, T., Johnson, D., Li C., Sayeeda, Z., Assempour, N., Iynkkaran, I., Liu Y.,Maciejewski, A., Gale, N., Wilson, A., Chin, L., Cummings, R., Le, D., Pon, A.,Knox, C., Wilson, M. (2018), DrugBank 5.0 : a major update to the DrugBankdatabase for 2018. Nucleic Acids Res., 46 (1), 1074–1082.
  13. Djoumbou-Feunang, Y., Fiamoncini, J., Gil-de-la-Fuente, A., Greiner,R., Manach, C., Wishart, D.S. (2019) BioTransformer: a comprehensivecomputational tool for small molecule metabolism prediction and metaboliteidentification. J. Cheminform. 11, 2. DOI
  14. Dunlop, B.W., Nemeroff, C.B.(2007) The Role of Dopamine in thePathophysiology of Depression. Arch Gen Psychiatry, 64(3), 327–337. DOI
  15. Lagunin, A.A., Romanova, M.A., Zadorozhny, A.D., Kurilenko, N.S., Shilov,B.V, Pogodin, P.V., Ivanov, S.M., Filimonov, D.A., Poroikov, V. V. (2018)Comparison of Quantitative and Qualitative (Q)SAR Models Created for thePrediction of K(i) and IC(50) Values of Antitarget Inhibitors. Front. Pharmacol.9, 1136. DOI
  16. The JavaScript library for data visualization. Retrieved May 17, 2025, from:https://d3js.org/
  17. Johnson, B., Shneiderman, B. (1991) Tree-maps: a space-filling approach tothe visualization of hierarchical information structures. Proceeding Visualization’91, 284–291. DOI
  18. Lerma, E.V., Wilson, D.J. (2022) Finerenone: a mineralocorticoid receptorantagonist for the treatment of chronic kidney disease associated with type 2diabetes. Expert Rev. Clin. Pharmacol. 15, 501–513. DOI
  19. Latchman J., Guastella A., Tofthagen C. (2014) 5-Fluorouracil toxicity anddihydropyrimidine dehydrogenase enzyme: implications for practice. Clin JOncol Nurs. 18(5), 581-585. DOI
  20. Clementi, N., Scagnolari, C., D’Amore, A., Palombi, F., Criscuolo, E.,Frasca, F., Pierangeli, A., Mancini, N., Antonelli, G., Clementi, M., Carpaneto,A., Filippini, A. (2021) Naringenin is a powerful inhibitor of SARS-CoV-2infection in vitro. Pharmacol Res., 163, 105255. DOI
  21. Agrawal, P.K., Agrawal, C., Blunden, G. (2021) PharmacologicalSignificance of Hesperidin and Hesperetin, Two Citrus Flavonoids, asPromising Antiviral Compounds for Prophylaxis Against and CombatingCOVID-19, Nat. Prod. Commun. 16. DOI
  22. Bílek, R., Danzig, V., Grimmichová, T. (2022) Antiviral activity ofamiodarone in SARS-CoV-2 disease. Physiol. Res. 71, 869–875. DOI
  23. Gasm,i A., Mujawdiya, P.K., Lysiuk, R., Shanaida, M., Peana, M., GasmiBenahmed, A., Beley, N., Kovalska, N., Bjørklund, G. (2022) Quercetin in thePrevention and Treatment of Coronavirus Infections: A Focus on SARS-CoV-2.Pharmaceuticals (Basel). 15(9), 1049. DOI
  24. Roy, A.V., Chan, M., Banadyga, L., He, S., Zhu, W., Chrétien, M., Mbikay,M. (2024) Quercetin inhibits SARS-CoV-2 infection and prevents syncytiumformation by cells co-expressing the viral spike protein and human ACE2. Virol.J. 21, 29. DOI